深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
101	2025-12-14	Performance evaluation of deep learning-based osteoporosis diagnostic models with conventional chest X-ray in a clinical cohort 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1077 PMID:41376999	研究论文	本研究开发并评估了一种基于深度学习的骨质疏松诊断模型PROS® CXR: OSTEO，该模型利用常规胸部X光片预测骨质疏松，旨在解决双能X线吸收测定法（DXA）在初级保健中可及性有限的问题	首次开发了基于卷积神经网络和迁移学习的深度学习模型，能够从常规胸部X光片中预测骨质疏松，为骨质疏松筛查提供了一种低成本、机会性的替代方法	研究样本量较小（仅80名成人患者），且假阳性在男性中更常见，特异性有待提高，临床实施前需要进一步优化以减少假阳性	评估基于深度学习的骨质疏松诊断模型在临床队列中的性能，以促进骨质疏松的早期筛查	80名在3个月内同时接受DXA和胸部X光检查的成年患者	数字病理学	骨质疏松症	双能X线吸收测定法（DXA），胸部X光摄影	CNN	图像	80名成人患者	NA	卷积神经网络	AUC, 敏感性, 特异性	NA
102	2025-12-14	Prediction of EGFR mutation status and mutation sites in lung cancer based on radiomics and deep learning 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-567 PMID:41377006	研究论文	本研究开发并验证了一种基于影像组学和深度学习的非侵入性预测模型，用于识别非小细胞肺癌患者的EGFR突变状态及其亚型	整合了影像组学、深度学习和临床数据，构建了联合模型，显著提升了EGFR突变状态和突变位点的预测性能	研究为回顾性分析，可能存在选择偏倚；模型性能需在更大规模、前瞻性队列中进一步验证	开发非侵入性方法，准确预测非小细胞肺癌患者的EGFR突变状态和突变亚型，以指导治疗策略	非小细胞肺癌患者	数字病理学	肺癌	CT成像	SVM, LR, CNN	CT图像	557名接受EGFR基因分型的非小细胞肺癌患者	NA	ResNet-18, DenseNet-121	AUC, 准确率	NA
103	2025-12-14	Artificial Intelligence in Patient Blood Management: A Systematic Review of Predictive, Diagnostic, and Decision Support Applications 2025-Nov-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238479 PMID:41375782	综述	本文系统综述了人工智能在患者血液管理（PBM）中的预测、诊断和决策支持应用，总结了模型方法、趋势及临床转化挑战	首次系统性地整合了AI在PBM三大支柱（优化贫血管理、最小化失血、确保适当输血）中的应用证据，并识别了跨领域的方法论趋势与性能优势	纳入研究存在异质性，外部验证和临床部署有限，且缺乏标准化报告和工作流整合	综述人工智能在患者血液管理领域的应用现状、方法趋势及临床转化挑战	患者血液管理（PBM）相关的预测、诊断和决策支持模型	机器学习	NA	NA	深度学习, 集成学习, 梯度提升, 循环神经网络, 混合架构	图像, 临床数据	NA	NA	NA	NA	NA
104	2025-12-14	Tailoring Energy Absorption of Curved-Beam Lattices Through a Data-Driven Approach 2025-Nov-28, Materials (Basel, Switzerland) DOI:10.3390/ma18235377 PMID:41374219	研究论文	本研究提出了一种新型的曲梁厚度梯度晶格结构，并采用结合深度学习与遗传算法的智能逆向设计框架来优化其能量吸收性能	提出曲梁厚度梯度晶格结构，并首次将深度学习、遗传算法与SHAP、PDP等可解释性方法结合，用于晶格结构的逆向设计与机理分析	未明确说明实验验证的样本规模与计算资源细节，且研究集中于特定几何参数优化，未涉及材料或制造工艺的协同优化	通过数据驱动方法优化曲梁晶格结构的几何参数，以最大化其能量吸收性能	曲梁厚度梯度晶格结构	机器学习	NA	深度学习，遗传算法	深度学习模型	结构参数与性能数据	NA	未指定	未指定	总能量吸收，比能量吸收	NA
105	2025-12-14	SwinCAMF-Net: Explainable Cross-Attention Multimodal Swin Network for Mammogram Analysis 2025-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233037 PMID:41374420	研究论文	本研究提出了一种名为SwinCAMF-Net的多模态交叉注意力Swin Transformer网络，用于整合多视角乳腺X线摄影、3D ROI体积和临床元数据，以改进乳腺病变的联合分类和分割	提出了一种新颖的交叉注意力融合（CAF）模块，通过查询-键注意力机制选择性地对齐多模态特征，并整合了Swin Transformer编码器、3D CNN体积编码器和临床投影模块	未明确提及模型的计算复杂度、泛化能力到其他数据集或临床部署的挑战	通过整合多模态数据改进乳腺病变的分类和分割，以提高乳腺癌诊断的准确性和临床可解释性	乳腺X线摄影图像、3D ROI体积和临床元数据	计算机视觉	乳腺癌	多模态深度学习	Transformer, CNN	图像, 3D体积数据, 临床元数据	CBIS-DDSM和RTM基准数据集	未明确提及	Swin Transformer, 3D CNN	准确率, AUC-ROC, F1分数, Dice系数	NA
106	2025-12-14	Radiologist-Validated Automatic Lumbar T1-Weighted Spinal MRI Segmentation Tool via an Attention U-Net Algorithm 2025-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233046 PMID:41374427	研究论文	本文开发了一种基于Attention U-Net算法的自动腰椎T1加权脊柱MRI分割工具，并通过放射科医生验证其性能	针对T1加权脊柱MRI分割工具稀缺的问题，首次将Attention U-Net应用于该领域，并比较了不同损失函数（BCE与MSE）的效果	Cohen's Kappa系数仅为0.31，表明放射科医生间的一致性仅为一般水平，可能影响临床应用的可靠性	开发自动腰椎脊柱MRI分割工具，以辅助骨科医生和放射科医生自动化分割过程	腰椎T1加权脊柱MRI图像	计算机视觉	椎间盘突出和椎体损伤	T1加权MRI成像	Attention U-Net	图像	未明确说明样本数量	未明确说明	Attention U-Net, U-Net++	SSIM, DICE系数, Likert量表评分, Cohen's Kappa系数	未明确说明
107	2025-12-14	Improving Visible Light Positioning Accuracy Using Particle Swarm Optimization (PSO) for Deep Learning Hyperparameter Updating in Received Signal Strength (RSS)-Based Convolutional Neural Network (CNN) 2025-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s25237256 PMID:41374631	研究论文	本文提出了一种结合接收信号强度预处理、卷积神经网络和粒子群优化的可见光定位系统，用于自动超参数调优以提高定位精度	将粒子群优化算法用于深度学习超参数自动调优，结合接收信号强度预处理和卷积神经网络，显著提升了可见光定位系统的精度和鲁棒性	研究仅在三种特定高度层平面进行实验，未考虑更复杂或动态的室内环境变化	提高基于接收信号强度的可见光定位系统在非理想光照条件下的定位精度和鲁棒性	室内可见光定位系统，特别是在信号衰减、多光反射或光照不足区域	机器学习	NA	接收信号强度测量，可见光定位	CNN, ANN, LR	信号强度数据	在三个不同高度层平面（200、225、250厘米）进行实验	NA	CNN	平均定位误差	NA
108	2025-12-14	Traditional Machine Learning Outperforms EEGNet for Consumer-Grade EEG Emotion Recognition: A Comprehensive Evaluation with Cross-Dataset Validation 2025-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s25237262 PMID:41374637	研究论文	本文通过系统比较传统机器学习与EEGNet在消费级EEG情绪识别中的性能，发现传统方法在准确性和稳定性方面优于深度学习模型	首次在消费级EEG情绪识别任务中，通过跨数据集验证系统证明传统机器学习方法在噪声环境下优于专门设计的深度学习架构EEGNet	实证比较主要集中于EEGNet架构，未全面测试其他复杂深度学习模型在相同约束条件下的表现	评估传统机器学习与深度学习在消费级EEG情绪识别任务中的性能差异及跨系统泛化能力	消费级EEG设备采集的脑电信号，用于情绪识别任务	机器学习	NA	EEG信号处理，特征工程（统计、频域、连接性特征）	随机森林，EEGNet	脑电信号	DREAMER数据集（23名受试者，Emotiv EPOC 14通道设备），SEED-VII数据集用于跨数据集验证	NA	EEGNet	F1分数，Cohen's d效应量，交叉验证稳定性（CV）	NA
109	2025-12-14	Decoding Coherent Patterns from Arrayed Waveguides for Free-Space Optical Angle-of-Arrival Estimation 2025-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s25237231 PMID:41374606	研究论文	本文提出了一种基于阵列波导相干模式解码的新型自由空间光学到达角估计方法	创新性地将阵列波导相干模式解码方法应用于解码光信号的空间角度信息，并利用训练好的CNN-Attention回归器进行估计，实现了集成光子学与深度学习的强大协同	NA	旨在超越传统AOA检测技术在小型化、低复杂度和高可靠性方面的固有局限，开发一类高度集成、鲁棒且高性能的片上光学传感器	自由空间光学信号的到达角	机器视觉	NA	阵列波导相干模式解码	CNN, Attention机制	强度序列（由阵列输出波导采样多光束干涉条纹产生）	NA	NA	CNN-Attention Regressor	平均绝对误差, 均方根误差	NA
110	2025-12-14	Rectus Femoris and Gastrocnemius EMG Driven Cheonjiin Speller for Korean Text Input 2025-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s25237243 PMID:41374617	研究论文	本研究开发了一种基于表面肌电信号的Cheonjiin拼写系统，用于辅助手部活动受限的用户进行韩文文本输入	提出了一种结合方向控制框架和韩文键盘布局的轻量级肌电接口，无需深度学习模型，仅使用低计算复杂度的时间域特征即可实现高精度实时识别	研究未涉及深度学习模型，可能限制了在更复杂场景下的性能提升；样本规模和用户多样性未明确说明	开发一种适用于手部活动受限用户的实时、高效的辅助文本输入系统	手部活动受限的个体	人机交互	运动障碍	表面肌电信号采集	NA	肌电信号	NA	Python 3.10.8	NA	识别准确率, 信息传输率	资源有限环境（未指定具体硬件）
111	2025-12-14	Digital Pathology with AI for Cervical Biopsies: Diagnostic Accuracy at the CIN2+ Threshold 2025-Nov-27, Cancers IF:4.5Q1 DOI:10.3390/cancers17233808 PMID:41375009	研究论文	本研究评估了深度学习系统EagleEye在宫颈活检H&E全玻片图像上检测CIN2+病变的诊断准确性，并与病理学家及AI辅助工作流程进行了比较	开发并评估了一个针对宫颈活检CIN2+阈值诊断的深度学习系统，并探索了AI辅助工作流程在提升诊断一致性及发现潜在漏诊病例方面的价值	单中心研究，样本量有限（99例），且为回顾性设计	评估深度学习系统在宫颈活检组织病理学诊断中的准确性及临床应用潜力	宫颈穿刺活检组织	数字病理学	宫颈癌	苏木精-伊红（H&E）染色，p16免疫组化染色	深度学习系统	全玻片图像	99例存档宫颈穿刺活检样本（正常19例，CIN1 20例，CIN2 20例，CIN3 20例，ACIS 20例）	NA	EagleEye	Cohen's κ，灵敏度，特异性	NA
112	2025-12-14	Applications of Artificial Intelligence as a Prognostic Tool in the Management of Acute Aortic Syndrome and Aneurysm: A Comprehensive Review 2025-Nov-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238420 PMID:41375721	综述	本文全面回顾了人工智能在急性主动脉综合征和动脉瘤预后管理中的应用，涵盖死亡率预测、主动脉结构生物力学分析及并发症预测等多个方面	整合了机器学习、深度学习模型（特别是集成算法和生物标志物集成方法），在死亡率预测上超越了传统临床工具（如EuroSCORE II和GERAADA），并扩展了分析范围至主动脉的结构生物力学行为，通过影像组学和计算建模实现虚拟主动脉力学表示	许多研究受限于小样本量、单中心设计以及缺乏外部验证，这限制了其普遍适用性	评估人工智能作为预后工具在急性主动脉综合征和胸主动脉动脉瘤管理中的应用潜力，以实现精准风险预测并优化临床决策	急性主动脉综合征和胸主动脉动脉瘤患者	机器学习	心血管疾病	影像组学、计算建模	机器学习, 深度学习	临床数据、影像数据、生物标志物数据	NA	NA	NA	准确性、判别力	NA
113	2025-12-14	SPOT-Cardio: Integrated Application for AI-Powered Automated Myocardial Scar Quantification on Joint Bright- and Black-Blood Late Gadolinium Enhancement MRI Images 2025-Nov-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238428 PMID:41375730	研究论文	本文介绍了一个名为SPOT-Cardio的AI驱动成像分析工具箱，用于在联合亮血和黑血晚期钆增强MRI图像上自动化定量心肌瘢痕	开发了基于SPOT采集技术的AI工具箱，首次将BR-和BL-LGE图像结合于单次扫描中，并集成到开源平台实现一键式自动化分割与定量分析	NA	开发自动化解决方案以简化心脏磁共振后处理，实现心脏结构和心肌病理的一致、快速定量评估	心脏磁共振图像，特别是联合亮血和黑血晚期钆增强图像	数字病理	心血管疾病	2D屏气晚期钆增强成像技术	深度学习模型	图像	NA	NA	2D U-Net, MedFormer	NA	NA
114	2025-12-14	Exploiting correlations across trials and behavioral sessions to improve neural decoding 2025-Nov-26, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2025.10.026 PMID:41308644	研究论文	本文提出两种互补模型以改进神经解码，通过利用跨试验和跨行为会话的神经活动相关性来提升解码性能	引入多会话降秩回归模型和多会话状态空间模型，首次在神经解码中系统性地捕捉跨试验和跨会话的行为与神经相关性	未与深度学习方法的计算效率进行直接对比，且模型在更复杂任务中的泛化能力有待进一步验证	通过利用神经活动的跨试验和跨会话相关性来改进神经解码的准确性和泛化能力	国际脑实验室（IBL）小鼠Neuropixels数据集中的神经活动数据	机器学习	NA	Neuropixels记录技术	降秩回归模型, 状态空间模型	神经活动数据	433个会话，覆盖270个脑区	NA	多会话降秩回归模型, 多会话状态空间模型	解码准确性	NA
115	2025-12-14	Neural Networks for Estimating Attitude, Line of Sight, and GNSS Ambiguity Through Onboard Sensor Fusion 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237212 PMID:41374587	研究论文	本文提出了一种基于深度学习的传感器融合框架，用于估计姿态、视线和GNSS模糊度，通过融合机载传感器和遥感信息，以提高导航性能	开发了两个神经网络估计器，用于处理GNSS载波相位模糊度和重力矢量重建，这些估计器能捕捉传感器测量与物理状态之间的非线性关系，在退化条件下提高泛化能力	研究基于六自由度仿真环境进行验证，可能未完全覆盖实际复杂动态场景，且依赖于模拟数据，需进一步真实世界测试	研究旨在通过深度学习提升在高度动态和不确定条件下的姿态、视线和GNSS模糊度估计精度，以支持低成本GNC系统	研究聚焦于制导、导航与控制（GNC）系统，特别是针对火炮制导火箭等动态平台	机器学习	NA	传感器融合（GNSS、IMU、半主动激光）、深度学习	神经网络	传感器测量数据（如GNSS、IMU、SAL）和模拟数据	NA	NA	NA	估计精度、制导精度、延迟	NA
116	2025-12-14	Study on Multi-Station Identification Technology of Lightning Electromagnetic Pulses (LEMPs) Based on Deep Learning 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237217 PMID:41374591	研究论文	本研究提出了一种基于深度学习的多站闪电电磁脉冲识别技术，旨在提高闪电监测和定位的准确性	开发了一种集成卷积神经网络的深度学习模型，利用多站数据进行特征提取和模式识别，显著提升了闪电电磁脉冲的识别准确率	NA	准确识别和分类闪电电磁脉冲，以应对闪电对现代电子系统和人类活动日益增长的威胁	闪电电磁脉冲信号	机器学习	NA	闪电定位系统	CNN	电磁信号	NA	NA	卷积神经网络	准确率	NA
117	2025-12-14	Multi-State Recognition of Electro-Hydraulic Servo Fatigue Testers via Spatiotemporal Fusion and Bidirectional Cross-Attention 2025-Nov-26, Sensors (Basel, Switzerland) DOI:10.3390/s25237229 PMID:41374604	研究论文	本文提出了一种基于时空特征融合和双向交叉注意力的多状态识别方法，用于电液伺服疲劳试验机的在线健康监测	结合双向时序卷积网络、双向门控循环单元和双向交叉注意力机制，实现时空特征的细粒度双向交互与融合，并引入GradNorm动态平衡多任务权重	NA	解决电液伺服疲劳试验机在高频、高负载、长周期循环操作中多部件并发退化与故障的在线健康监测难题	电液伺服疲劳试验机（如SDZ0100型号）及其组件（冷却器、伺服阀、电机泵单元、伺服执行器）	机器学习	NA	多传感器数据采集	BiTCN, BiGRU, 注意力机制	传感器时序数据	NA	NA	双向时序卷积网络, 双向门控循环单元, 双向交叉注意力	准确率, F1分数	NA
118	2025-12-14	Dose-Guided Hybrid AI Model with Deep and Handcrafted Radiomics for Explainable Radiation Dermatitis Prediction in Breast Cancer VMAT 2025-Nov-26, Cancers IF:4.5Q1 DOI:10.3390/cancers17233767 PMID:41374969	研究论文	本研究开发了一种混合人工智能模型，结合深度学习和手工放射组学特征，用于预测乳腺癌患者接受容积调强弧形放疗后的放射性皮炎	提出了一种结合深度学习和手工放射组学的混合AI模型，并整合临床特征和剂量体积直方图参数，以提高放射性皮炎的预测准确性	研究为回顾性设计，样本量相对较小（148例患者），且仅来自单一医疗机构	提高乳腺癌患者接受容积调强弧形放疗后放射性皮炎的预测准确性，以支持个性化预防策略	乳腺癌患者接受容积调强弧形放疗后的放射性皮炎	数字病理学	乳腺癌	放射组学特征提取，剂量体积直方图分析	逻辑回归，随机森林，梯度提升决策树，堆叠集成	CT图像，临床数据，剂量体积直方图参数	148例符合条件的乳腺癌患者	PyRadiomics, VGG16	VGG16	AUC, 召回率, F1分数	NA
119	2025-12-14	ConvNeXt-Driven Detection of Alzheimer's Disease: A Benchmark Study on Expert-Annotated AlzaSet MRI Dataset Across Anatomical Planes 2025-Nov-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15232997 PMID:41374378	研究论文	本研究提出了一种基于ConvNeXt架构的深度学习方法来分类阿尔茨海默病，使用专家标注的AlzaSet MRI数据集进行基准测试	引入了新颖的专家标注临床MRI数据集AlzaSet，并首次将ConvNeXt架构应用于阿尔茨海默病的MRI分类，在冠状面切片上取得了最佳性能	数据集样本量较小（79名受试者），且存在类别不平衡问题	开发准确、低成本的阿尔茨海默病早期诊断工具	阿尔茨海默病患者和认知正常对照者的结构MRI扫描	计算机视觉	阿尔茨海默病	T1加权MRI扫描	CNN	图像	79名受试者（63名AD患者，16名认知正常对照），总计12,947个切片	NA	ConvNeXt-Tiny, ConvNeXt-Small, ConvNeXt-Base, VGG16, VGG19, InceptionV3, DenseNet121	准确率, AUC	NA
120	2025-12-14	Self-Attention-Based Deep Learning for Missing Sensor Data Imputation in Real-Time Probe Card Monitoring 2025-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s25237194 PMID:41374569	研究论文	本研究提出了一种基于自注意力机制的深度学习模型，用于实时探针卡监控中缺失传感器数据的插补	应用并评估了最先进的基于自注意力的时间序列插补模型，在数据大量缺失场景下，平均绝对误差相比传统方法提升66%，且训练速度比基于循环神经网络的对比方法快20倍以上	未明确提及模型在极端噪声或传感器完全失效情况下的鲁棒性，也未讨论模型在不同工业环境中的泛化能力	解决半导体探针卡实时监控中因传感器故障导致的缺失数据问题，以保障后续分析的完整性	工业传感器网络采集的加速度计和麦克风信号	机器学习	NA	NA	自注意力模型	时间序列数据	NA	NA	Self-Attention-based Imputation for Time Series, Bidirectional Recurrent Imputation for Time Series	平均绝对误差, 时域和频域指标	NA